我想使用svm分类器进行面部表情检测.我知道opencv有一个svm api,但我不知道应该用什么来训练分类器.到目前为止,我已经阅读了很多论文,所有这些都是在面部特征检测后训练分类器时说的.
到目前为止我做了什么,
人脸检测,
每帧中16个面部点计算.下面是面部特征检测的输出![输入图像说明
保持特征的矢量指向像素地址
注意:我知道如何只用正片和负片训练SVM,我在这里看到了这段代码,但我不知道如何将面部特征信息与它结合起来.
有人可以帮我开始用svm进行分类.
一个.什么应该是训练分类器的样本输入?
湾 如何使用此面部特征点训练分类器?
问候,
opencv中的机器学习算法都带有类似的界面.为了训练它,你传递一个NxM Mat offeatures(N行,每个特征一行长度为M)和一个带有类标签的Nx1 Mat.像这样:
//traindata //trainlabels f e a t u r e 1 f e a t u r e -1 f e a t u r e 1 f e a t u r e 1 f e a t u r e -1
对于预测,您以相同的方式填充1行的Mat,它将返回预测的标签
所以,比方说,你的16个面部点存储在一个矢量中,你会这样做:
Mat trainData; // start empty Mat labels; for all facial_point_vecs: { for( size_t i=0; i<16; i++ ) { trainData.push_back(point[i]); } labels.push_back(label); // 1 or -1 } // now here comes the magic: // reshape it, so it has N rows, each being a flat float, x,y,x,y,x,y,x,y... 32 element array trainData = trainData.reshape(1, 16*2); // numpoints*2 for x,y // we have to convert to float: trainData.convertTo(trainData,CV_32F); SVM svm; // params omitted for simplicity (but that's where the *real* work starts..) svm.train( trainData, labels ); //later predict: vector<Point> points; Mat testData = Mat(points).reshape(1,32); // flattened to 1 row testData.convertTo(testData ,CV_32F); float p = svm.predict( testData );